KREDİ ŞOKLARININ BAYESYEN VAR YÖNTEMİ İLE AYRIŞTIRILMASI: TÜRKİYE ÖRNEĞİ

(1)

ARAŞTIRMA MAKALESİ/

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

KREDİ ŞOKLARININ BAYESYEN VAR YÖNTEMİ İLE AYRIŞTIRILMASI: TÜRKİYE ÖRNEĞİ

DISENTANGLING THE CREDIT SHOCKS USING THE BAYESIAN-VAR METHOD: A CASE OF TURKEY

Alp ŞERBETLİ^* Murat AKBALIK^**

Öz

Kredilerin, para politikası aktarım mekanizmasını hızlandırdığı ve etkisini büyüttüğü bir gerçektir. Fakat aktarım mekanizmasında farklı şoklar tarafından açıklanan kredilerin, aktarım mekanizmasındaki hızlandırıcı etkilerinin ötesinde olası bir “arz-talep” bulmacası sorununun var olduğunu göstermekte ve bu şokların tanım- lanması para politikasının etkinliğini artırmaktadır. Bu çalışmada, kredi büyümesinde etkili olan şokların tarihsel olarak ayrıştırılması ve kredi büyümesinin şoklara olan tepkileri analiz edilmiştir. Çalışmada kredi piya- sasına yönelen şoklar, Bayesyen VAR yöntemi ile analiz edilmiştir. Sonuçlar, analiz dönemi boyunca kredi arz ve talep şoklarının kredi büyümesi üzerinde oldukça etkili olduğunu göstermektedir. Buna ek olarak sermaye akımı şoklarının Türkiye Bankacılık Sektörü kredi büyümesinde belirleyici diğer bir baskın faktör olduğu sonucuna ulaşılmıştır

Anahtar Kelimeler: Parasal Aktarım Mekanizması, Kredi Görüşü, Bayesyen VAR JEL Sınıflandırması: E51, E52, C11

Abstract

It is a fact that loans accelerate the monetary policy transmission mechanism and increase its impact on economy However, beyond the accelerating effects of loans explained by different shocks in the transmission mechanism, it shows that there is a possible “supply-demand puzzle” problem and increases the effectiveness of monetary policy. In this study, historical decomposition of shocks that affect credit growth and the responses of loan growth to shocks are analyzed. In the study, the shocks directed to the credit market were analyzed with the

* Marmara Üniversitesi Bankacılık ve Sigortacılık Enstitüsü, Bankacılık Anabilim Dalı Phd. alpserbetli@gmail.com, ORCID: 0000-0001-9231-2172

** Marmara Üniversitesi, Bankacılık ve Sigortacılık Ensitü Başkanı, Prof, İstanbul, Türkiye, E-mail: makbalik@marmara.edu.tr, ORCID: 0000-0002-7955-3630

(2)

246 Bayesian VAR methodology. The results show that credit supply and demand shocks during the analysis period had a significant impact on loan growth. In addition, it is concluded that capital flow shocks are another domi- nant factor determining the loan growth of the Turkish Banking Sector.

Keywords: Monetary Transmission Mechanism, Credit View, Bayesian VAR JEL Classifications: E51, E52, C11

Giriş

Literatürde birçok çalışma parasal aktarım mekanizmasının, faiz oranı kanalı ile beraber banka- cılık sektörü kredi aktarım mekanizması da ele almışlar ve araştırmaların sonuçlarına göre, banka kredilerinin para politikası şokunun ardından azaldığı deneyimlemişlerdir. Ancak düşüşün kredi arzından mı, yoksa kredi talebinden mi kaynaklandığı konusu belirsiz kaldığından, bu bulgularda ciddi bir tanımlama sorunundan bahsedilebilmektedir.

Bu çalışmanın amacı, bankacılık sektörü kredilerine yönelik şokların belirlenmesi ve bu çer- çevede Merkez Bankası (MB) politikalarının etkinliğini tespit edebilmektir. Bu amaçla çalışmada toplam kredi çıktısı; kredi arz ve kredi talep faktörleri dışında sermaye akımı şokları, toplam talep, toplam arz ve para politikası şoklarını da içine alacak şekilde modelleme yapılacaktır. Çalışmada Ba- yesyen Yapısal VAR metodu (BSVAR) kullanılmış olup, kredi büyümesinin hangi şoklar tarafından daha çok açıklanabildiği tarihsel bakış açısı ile değerlendirilmiştir. Son olarak; para politikası şokla- rının ilgili dönemlerde toplam kredi çıktısı üzerindeki etkisinin dönemler itibari ile ne yönde evril- diği araştırılacaktır.

Banka kredilerinde olası bir yavaşlama, dış talep ve hanehalkı talebindeki düşüşe ile açıklanabi- lecek firma ve hane halklarının borçlanma talebindeki düşüşe bağlıysa, makroekonomik politikanın amacı toplam talebi teşvik etmek olmalıdır. Öte yandan, yavaşlama, bankaların bilançosunu küçült- mek için kredileri azaltmasından kaynaklanıyorsa, ekonomik krizin finansal sektör ile reel ekonomi arasındaki negatif geri besleme döngüsü arttıkça daha ciddi hale gelmesi muhtemeldir. Bu durumda, politika yapıcılar yalnızca toplam talebi artırıcı politikalar değil aynı zamanda bankaların bilançola- rını iyileştirmek için kamu sermaye enjeksiyonları ve batık kredi alımlarını da içeren finansal sektör destek programlarını da göz önünde bulundurmalıdır.

Çalışma dönemi olarak 2003M10-2019M12 seçilmiş ve aylık veri ile çalışılmıştır.

Çalışmanın birinci bölümünde genel olarak kredi görüşü hakkında özet bilgi yer almaktadır, ikinci bölümde kredi arz ve talep bulmacası üzerinde durulacaktır. Üçüncü bölüm literatür çalışma- larına ayrılmıştır. Sonraki bölümlerde sırası ile veri seti, model ve tanımlama kısımları yer almakta olup, son bölümde sonuçlar değerlendirilecektir.

1. Faiz ve Kredi Görüşü

Parasal aktarım mekanizması “doğrudan aktarım kanalı” ve “faiz oranı kanalı” olmak üzere ikiye ayrılmaktadır. Doğrudan aktarım kanalı, para arzının kısılması sonrasında eldeki nakdin azalması ve

(3)

247 sonrasında toplam harcamaların kısılması olarak tanımlanmaktadır. Faiz oranı kanalı ise, para oto- ritesinin faiz oranlarını değiştirmek sureti ile reel faiz oranlarını etkilemesi ve sonuçta harcamala- rın etkilenmesi sürecini ifade etmektedir. Faiz oranı kanalı iki kanal üzerinden işlemektedir. İlki, faiz oranlarının düşmesi sonrasında özellikle yatırımlar için önemli olan sermayenin maliyetinin düş- mesi ile sonuçlanmaktadır. Yatırım ve tüketim harcamaları artar. Çünkü bugünkü tüketim gelecek- teki tüketime tercih edilmektedir. Buna “ikame etkisi” adı verilmektedir. Diğer taraftan faiz oranı kanalı, eldeki harcanabilir nakit, temettü ve diğer ödemelerin artması anlamına gelir. Bu da “gelir etkisi” olarak adlandırılmaktadır. Gelir etkisinin aktarım mekanizmasındaki etkinliği hane halkı veya işletmelerin ellerindeki varlık kompozisyonuna bağlıdır. Bu kanal da aslında para ve faiz kanalı dı- şında bir varlık fiyatları kanalının varlığını göstermektedir.

Faiz oranı kanalının reel etkilerini incelemek para politikası başarısını ölçmek adına kısır kala- caktır. Bunun için iki kanal daha gereklidir. Bunlardan birincisi banka kredi kanalı olarak tabir edilen, üç varlıklı yapı ile temsil edilmiş olan ve Bernanke ve Blinder (1988) tarafından ortaya konul- muş olan, sadece faiz oranı ile aktarımın gerçekleşmesine ek olarak, banka kredilerinin de aktarımda önemli dışsal etkilerinin olabileceğini savunan görüştür. İkinci olarak ise; Bernanke (1993), Kashyap and Stein (1994) and Gertler and Gilchrist (1993), çalışmalarında gösterildiği üzere; kredi kanalının bilanço etkisini konu alan görüştür. Buna göre; firmaların net değeri ile ekonomideki kredilerin fark- lılaşabileceğini belirtilmiştir (Ignacio, 2014, s. 258).

Bernanke ve Blinder (1988), Bernanke (1993), Gertler ve Gilchrist (1993) çalışmalarda; para po- litikası eylemleri sadece özel sektör varlıkları (para arzı) yoluyla değil, aynı zamanda özel sektör yü- kümlülükleri (borçlanma ve kredi) yoluyla da ekonomiyi etkilemektedir görüşünü savunmaktadır- lar. Merkez bankası, para arzı veya banka rezervlerini azaltarak para politikasını sıkılaştırdığında mevduat azalır, ancak bankaların borç verilebilir fonlara erişimi de azalır ve dolayısıyla banka kredisi arzı düşer. Bu mekanizma; IS-LM modelinde gösterildiği gibi geleneksel faiz oranı kanalı ve para arzı etkilerinin baz alındığı, tek başına para politikasının etkisinin Faiz Oranı Kanalı (FOK) ve varlık ka- nalı ile açıklanan etkiden çok daha büyük bir etkiye sahip olabileceğini söylemektedir (Werner, 2005, s. 64). Çünkü para politikasının faiz oranları ve harcamalar üzerindeki etkilerinin minimuma indiği dönemlerde bile (1990’lardaki Japonya Ekonomisi), para politikasının banka kredi kanalı ile ekonomiyi etkilediği varsayılmaktadır (Thornton, 1994, s. 34).

Kredi kanalının ekonomik birimlerin sermaye piyasalarına erişim derecesine bağlı olarak para politikasının farklı bir etkisinin varlığına kanıt oluşturabilmesidir (Kashyap ve Stein, 1994, s. 34).

Kredi mekanizması, FOK’na alternatif bir kanal değil onun etkilerini daha da büyütebilecek yardımcı bir bileşendir (Bernanke ve Gertler, 1995, s. 28). Çünkü kredi kanalı parasal aktarım içerisindeki hız- landırıcı etkisi asimetrik bilgi kaynaklıdır ve kredi piyasasındaki aksaklıklar, farklı finansman kay- nakları arasında ikame edilebilirliğin kusurlu olmasına neden olmaktadır. Asimetrik bilginin yarat- tığı bu kusur aslında kendi finansmanı ile banka kredi faizi arasındaki marjdan yani dışsal finansman farkından kaynaklanmaktadır.

Para politikasının dış finansman primleri üzerinde iki nedenle etkisi olduğu bilinmektedir. Bun- lar, banka kredi kanalı ve bilanço kanalıdır. Banka kredi kanalı üç önemli özelliğe (varsayıma) sahiptir. Bunlardan ilk varsayım; para politikası değişimleri direkt olarak, ya bankacılık sektörü

(4)

248 rezervlerini ya da mevduat yaratma kapasitesini etkileyerek kredilerin miktarını değiştirebiliyor ol- ması gereklidir. Yani bir parasal sıkılaştırma meydana geldiğinde bankalar kredi verebilmek için bo- nolarını veya aktifindeki diğer varlıkları satmıyor olması gerekmektedir. Bankaların mevduatlarını azaltan para politikasına olan tepkileri, kredilerini direkt olarak azaltma şeklinde olmalıdır. Banka kredisine bağımlı şirketler kesimi kredilerdeki daralma ile birlikte kredi faiz oranlarının artmasına müteakip, dış finansman primleri yükselir ve krediler artık tayınlanmaya başlayacaktır. İkinci olarak;

hem bankaların aktifleri hem de firmaların yükümlülük tarafındaki finansman kaynaklarının banka kredisi haricinde tam ikamesi olmamasıdır. Tabiki de yukarıda sayılan iki varsayımın da üzerinde üçüncü varsayım olarak; para politikası değişimleri karşısında fiyatların anında ayarlanmıyor olması gerekmektedir (Peek ve Rosengren, 2013, s. 6). Bilanço kanalı ise; para poliltikası şoklarının firmala- rın finansal pozisyonları üzerindeki etkiler dolayısı ile dış finansman primlerinin artması ile, banka kredisi dahil diğer fonlama olanaklarının hepsi için fonlamanın pahalı hale gelmesi sonucu yatırım ve harcamaların kısılarak ekonomik büyümenin düşmesi olarak açıklanabilmektedir. Para politikası, bilanço kanalı üzerinde iki farklı yoldan etki etmektedir. Birincisi, genişleyici para politikası ile dü- şen faiz oranları, şirket nakit akımlarının bugünkü değerini artırır, ikincisi ise, şirketin sahip olduğu varlıklar, düşük faiz ile varlık fiyatlarının artışına neden olarak borçlanma kapasitesini artırır. Dış finansman primleri düşer.

Bunun dışında kredi görüşüne ilişkin sözü edilmesi gereken üçüncü bir kanal ise yeni banka kredi görüşüdür. Geleneksel faiz oranı kanalına göre merkez bankasının faiz artırması sonrasında bankalar kredi verilebilir fon arzlarını geri çekeceklerdir. Bankaların aktarım mekanizmasında oyna- dığı rol üzerine yapılan araştırmada, para politikasının mevduat üzerinde doğrudan bir etki yarattığı ve mevduatın, banka kredilerinin itici gücü olarak hareket ettiği yönündedir. Öncelikle, para politi- kasının bankaların bilançosunun gücü ve risk algısı üzerindeki etkisi ile çalışan banka kredileri kana- lında bir reform yapılması önerilmiş ve geleneksel fikrin aksine, piyasa temelli fonlamaya daha fazla bağımlı olmanın, kanalın önemini artırdığını ortaya koymuşlardır (Disyatat, 2010, s. 3). Bunun en güzel örneği aslında Bernanke ve Gertlerin (1995) çalışmasında, Bernanke ve Blinder (1988) çalış- masına yaptığı eleştiridir. “Inside the Black Box” adlı çalışmada; Bernanke ve Blinder (1988) modelinin bazı dönemlerde ve oluşturulan varsayımlar altında işe yaradığı, fakat bu varsayımların finansal piyasaların gelişmesi ile kaybolduğu belirtilmektedir. Çünkü bankalar, örneğin mevduata ikame olarak Mevduat Sertifikası çıkartabilmekte, daha pahalı ve zor bir süreç olsa da hem sermaye benzeri bono ihraç edebilmekte hem de halka açılarak hisse ihraç edebilmektedirler. Bununla birlikte ZK’ lar bazı özel hesaplar dışında elimine edilerek pasifin mevduata olan bağımlılığı azalttığı belirtilmektedir (Bernanke ve Gertler, 1995, s. 41). Fakat finansal aracıların yokluğunda, potansiyel aracılık ma- liyetleri, dış finansman ücretlerini, hiçbir bilgi problemi olmayan sermaye piyasalarında geçerli olacak seviyelerin üzerine çıkarabilir ve hatta bazı borçluların fonlarının tamamen reddedilmesine bile yol açabilir (Jaffee ve Russell, 1976, s. 651-66). Yani, piyasa temelli fonlamaya daha fazla güvenme- nin, bankaların fonlama maliyetlerinin para politikasına duyarlılığını artırarak bu kanalın önemini artırmaktadır (Disyatat, 2010, s. 43). Son olarak; Banka kredi kanalının yeni görüşü, para politikası değişimlerinin mevduatlar üzerinden kredi arzının daralmasını değil, mevduat haricinde fonlama kaynakları dolayısı ile bankanın risk alma ve dolayısı ile kredi verme iştahının nasıl etkileneceğini açıklamaktadır. Yani, bankaların yükümlülük tarafındaki mevduatlar safi olarak kredi verme iştahı- nın belirleyicisi değildir.

(5)

249 2. Kredi Arz ve Talep Bilmecesi

Literatürde kredi arz ve talebi üzerine yapılan çalışmalar aslında temel itibari ile iki ana başlık al- tında incelenir. Bunlardan ilki genel olarak kredi görüşü çerçevesinde ele alınmış olan geniş litera- tür ile temsil edilen ve dışsal para teorisi varsayımına dayanarak oluşturulan çalışmalardır. Yukarıda bahsedilen arz ve talep bulmacası, aslında bu literatür kapsamında daha önce ele alınmamış bir lite- ratür boşluğunu doldurmaktadır

Aktarım mekanizmasında kredilerin hızlandırıcı ve ekonomik büyümeyi artırıcı etkileri olduğu literatürde sıklıkla tartışılan bir konudur. Fakat örneğin sıkı para politikası uygulandığında toplam talep geleneksel faiz oranı kanalı vasıtası ile baskılanacaktır. Baskılanan toplam talep belli bir dönem sonra kredi talebinin de baskılanmasına yol açacak ve bankacılık sektörü kredilerinin düşmesi ile so- nuçlanacaktır. Banka kredilerindeki düşme, kredi talep eğrisinin sadece kendisinin sola kayması ile alakalı değil buna ek olarak, kredi arz eğrisinin sola kaymasında da kaynaklanmış olabilir. Bu, “arz ve talep bilmecesi” olarak açıklanabilir. Şimdiye kadar kredi görüşü üzerine yapılan çalışmaların öte- sinde geçmektedir. Para politikası aktarım mekanizmasının anlaşılması, doğru politikaları berabe- rinde getirmektedir. Para politikalarının en temel amaçları arasındaki; sürdürülebilir ekonomik bü- yüme, fiyat istikrarının yanında finansal istikrarın da sağlanabilmesi, kredi aktarım mekanizması ile çıktı arasındaki ilişkilerin merkez bankaları politika tercihleri doğrultusunda bilinmesinin yanında, kredileri arz ve talep olarak da ayrı ayrı analiz edilmesini gerekli kılacaktır. Aksi halde, MB’larının doğru politika üretilmesi imkansız hale gelir.

Özel sektör ve hane halkının kredi talebinin duyarlılığının anlaşılması, merkez bankasının arzu edilen parasal hedefe ulaşmak için faiz oranındaki değişimin büyüklüğü hakkında karar vermesine yardımcı olmaktadır. Dolayısıyla, özel sektörün ve hane halkının kredi talebi, parasal aktarım me- kanizmasının anlaşılmasına ve etkin para politikasının oluşturulmasına ve böylece makroekonomik hedeflerin gerçekleştirilmesine yardımcı olan birçok yararlı bilgi içermektedir. Bankaların ekonomide oynadığı özel rolleri vasıtası ile kredi kanalının, MB para politikası değişimlerine ne gibi cevaplar vereceği, aslında yine kredi piyasasının arz ve talep elastikiyetine bağlıdır. Arz ve talep elastikiye- tini doğru olarak ölçmeden verilen politika tepkileri aslında paradoksal bir çözümsüzlüğe yol açar.

Yani arz ve talebin ayrı ayrı belirlenmesi, para politikası etkilerinin büyüklüğünü ve etkinliğinin öl- çülmesinde önemli bir ölçüt olarak karşımıza çıkabilecektir.

Kredi arzı; finansal düzenlemeler, yapısal ve kurumsal kısıtlamalar yüzünden ortaya çıkabilir.

Kredi arz ve talebinin her ikisi de para politikası değişikleri ile öncelenmiş yatırımcı algısındaki de- ğişim ile de meydana gelebilir. Fakat her ne kadar bir arz sorunu olarak görülse de, arz ve talebi ayır- mak çok zordur. Çünkü benzer bir takım faktörler sayesinde arz edenlerin iştahını azaltır iken diğer taraftan aynı faktörler borç alma istekliliğini de kısıtlayacaktır (Cantor ve Wenninger, 1993, s. 34).

Dolayısı ile arz ve talep etkileri eş anlılık göstermekte ve bulmacayı karışık hale getirmektedir. Ör- neğin, bir kredi yavaşlaması sürecinde, borç alanların bilançolarındaki bozulma, hem kredi verenler hem de alanlar üzerinde negatif etki yaratacaktır. Arz tarafındaki etki, borç alanlar ile doğrudan ilişki olmakla birlikte aynı zamanda kredi verenlerin kredi tayınlama kriterleri ile de yakından ilişkili iken, kredi talebi tarafındaki etki ise, varlık deflasyonunun yarattığı süreç dolayısı ile nakit akımlarının bu- günkü değerinin güncel fiyatların altında kalması dolayısı ile talebin düşmeye başlaması sonucunda

(6)

250 olur. Fakat nakit akışı değeri düşen bir kuruma ve/veya kişiye kredi verilmesi de ayrıca kredi talebinin arz kaynaklı nedeni olarak karşımıza çıkmaktadır.

Diğer taraftan, ekonomik aktivitenin düşmesine yol açan bir arz şoku aynı zamanda kredi verme iştahının da düşmesine yol açacaktır. Bununla birlikte yine ekonomik aktivitedeki düşüşün potansiyal kredi talep edenlerin iştahını da azalttığını varsayalım. Talep iştahı azalır, çünkü kredi talebi sadece kredi faiz oranına değil aynı zamanda finanse edilen iş hacmi ile de yakından ilişkilidir (Fried- man, 1993, s. 38-39). Yetkili otoriteler bu durumun kredi talebi kaynaklı olduğunu belirtirler iken, aslında ekonomik aktivitedeki azalma kredi arzı kaynaklıdır. Yani arz kısıntısı talep iştahını öncele- miştir.

Literatürdeki ikinci yazın, içsel para teorisine dayanarak oluşturulan ve Post Keynesyen görüşün hakim olduğu çalışmalardır. Bir kredi arz ve talebinden bahsediyor isek; aslında bunun temelinde paranın nasıl yaratıldığı fikri yer almaktadır

Geleneksel ve yeni banka kredisi ile sunulan teorik alt yapının tamamı, Monetarist ya da Neo Keynesyen görüşün varsayımları ile açıklanmaktadır. Yani sıkı para politikası şoku sonrasında faiz oranlarındaki artış, bankaların mevduat ve mevduat dışı rezervlerinin hem miktarını hem de maliye- tini etkileyerek, kredi verilebilir fonların azalmasına ve sonuç olarak bankaların risk iştahları, likidit varlık tutma kapasiteleri, tercihleri ve sermayeleri ile orantılı olarak kredilerde azalmaya yol açmak- tadır. Fakat merkez bankası faiz oranlarının artması, hane halkının ve şirketler kesiminin ellerindeki fonları, likidite tercihi dolayısı ile mevduata yönlendirmeleri gerekmekteydi. Bu durum, dışsal para yaratım süreci ile öncelenen banka kredi görüşü teorisi ile sunulan teorik alt yapıdan farklı olarak karşımıza başka bir dinamiğin olabileceği şüphesi yaratmaktadır. Bernanke ve Blinder (1988) Mo- deli, toplam arz tarafını sabit ve MB tarafından dışsal olarak belirlendiğini belirtmiştir (Bernanke ve Blinder, 1988, s. 435-39). Buna rağmen Bernanke ve Blinder (1992) çalışmasında görülmektedir ki, Fed fonlama artışına mevduatlar da düşerek yanıt vermektedir (Bernanke ve Blinder, 1992, s. 918).

Oysaki dışsal para teorisi; faiz artışlarının tasarrufları artırdığını söylemektedir. Bu durum paranın aslında içsel olarak yaratılıyor olabileceği fikrini akıllara getirir. Eğer böyle ise, literatürde kredi gö- rüşü üzerine yapılmış olan çalışmaların çoğu aksak modelleme ile hedefin sapmasına neden olmuş olabilir. Bu yüzden kredi görüşünün anlaşılması, para arzının ekonomide ne şekilde yaratıldığının da açıklanmasını gerekli kılar. Şimdiye kadar ele alınmış olan üç bankacılık teorisi; finansal aracılık, kısmi (Değişken Rezerv) rezerv teorisi ve “bankacılığın kredi yaratma teorisi” üzerine yapılan çalış- malar göstermektedir ki, finansal aracılık ve değişken rezerv teorisi elde edilen kanıtlar pratikte ya- şanan durum ile çelişmektedir. Yani bankaların kredi vermek için finansal aracılık teorisinde öngö- rüldüğü üzere mevduatlar ile öncelenmesi gerekmemektedir. Bununla birlikte; bankalar, değişken rezerv teorisinde öngörüldüğü üzere, merkez bankasındaki mevduat karşılıklarını da çözüp kredi vermemektedir. Buna karşılık kredi yaratım teorisi ise göstermektedir ki; bankalar önce kredi verir- ler sonra bunun fonlamasını yaparlar.

Yani içsel para teorisi geçerli ise, kredi talebi oldukça kredi arzı buna ayak uyduracak, kredi arzın- dan ziyade, kredi talebi kredilerin belirlenmesinde en önemli faktör olması gerektiği sonucuna ula- şılabilecektir. Bu durum nedensellik testleri ile araştırılabilir fakat çalışmanın kapsamı içerisinde ol- madığından, sadece literatür açısından değerlendirilmektedir.

(7)

251 3. Literatür İncelemesi

Bu alanda yapılan çalışmaları genel hatları ile 4 grupta toplamak mümkündür. Birinci grupta;

kredi arz veya talebi ile makroekonomik veriler arasındaki ilişkiler sorgulanmış fakat birini incele- yip diğerini göz ardı edilmiştir. Örneğin; (Hoffman, 2001) ve (Calza, Manrique ve Sausa , 2003) bu çalışmalar örnektir. (Calza, Manrique ve Sausa , 2003), özel sektöre verilen kredileri talep bazlı mo- dellemişler ve kredi talebinin arz tarafını domine ettiğini belirtmişlerdir. Brissimis (2014) (Brissimis, Garganas ve Hall , 2012) ve Deryugina ve Diğerleri (2015) (Deryugina ve Diğerleri , 2015) çalışma- ları da kredi arz ve talep faktörlerini VECM tekniği ile belirlemişlerdir. Fakat (Deryugina ve Diğerleri , 2015) çalışmasını hem SVAR modeli ile kısıtlar oluşturarak da çeşitlendirmiş hem de banka bazlı banka kredi anketlerinden yararlanarak panel veri tekniği ile çalışmıştır. Ayrıca arz ve talep faktörle- rini ayrı analiz ederek üçüncü gruba ilişkin kanıt sunmuştur.

Brissimis ve diğerleri 2012 yılındaya yaptıkları çalışmada, diğerlerinden farklı olarak tüketici kredilerinin arz ve talep faktörlerini ayrı ayrı eşitlik halinde ele almış ve VECM tekniğini kullanarak, uzun dönem arz ve talep ilişkilerini incelemiştir. Buna ek olarak kısa dönemli kredi dinamiklerini de ele almıştır. Talep tarafını, tüketici kredisi faiz oranı ile ters, gelir ile orantılı olarak modellemiştir.

Arz tarafında ise; ölçek olarak reel mevduatları kullanmışlardır. Krediler ile reel mevduatlar arasın- daki ilişkiyi pozitif olarak modellemişlerdir. Diğer çalışmalardan farklı olarak, tüketici ve ticari kredi faiz oranları arasındaki farkı kredi miktarının pozitif fonksiyonu olarak modellemişlerdir (Brissimis, Garganas ve Hall , 2012).

Genel olarak bakıldığında çalışmalarda talep faktörleri için, hanehalkı ve firmaların bilanço po- zisyonu ve dış finansman kullanabilme olanakları ile ölçülmüştür. Spesifik olarak çalışmaların talep faktörü olarak kullanıp analiz ettikleri veriler, GSMH ve kredi faiz oranları kredi talebinin belirleyici faktörü olarak kullanılmıştır. Arz tarafında ise; bankaya özgü sermaye, likidite, kredi faiz oranı ile hazine bonosu getirisi arasındaki fark, toplam varlık büyüklüğü, likidite, mevduatların yükümlülükler içindeki payı, bankaların menkul ihraçları ve sermayenin oranı gibi faktörlerden yararlanmışlardır.

İkinci çalışma grubu ise, kredilere olan talebi ve arzı tek bir eşitlik biçiminde modellemişler ve eşitlik kavramı analiz edilmiştir.

Üçüncü grupta; dengesizlik durumunda banka kredilerine olan talebi, olasılık fonksiyonunu tü- retmek için ayrı ayrı talep ve arz denklemlerini tanımlayarak analiz edilmiştir. Bu guruptaki çalış- maların çoğu kredi ve arz bilenşenlerinin olasılık fonksiyonlarını ençoklayan etkilerin bulunmasını sağlayan Manddala Nelson (1974) tekniğinden yararlanmışlardır. Bu grup çalışmalara örnek olarak Melitz and Pardue (1973), Quandt and Ramsey (1978) ve Ghosh ve Ghosh (1999)’da switching reg- resyon yöntemini kullanarak kredi arzı ve talebinin en düşük yapacak olasılık fonksiyonundan yarar- lanmışlardır. Üçüncü gruba ilişkin olarak arz ve talebi ayrı modelleyen çalışmalar ise; (Kakes, 2000, s. 63-69) ve (Mahathanaseth ve Tauer , 2019, s. 14-32) olarak karşımıza çıkmaktadır. (Kakes, 2000), kredileri VECM tekniği ile arz ve talep olarak ayrı ayrı modellemiştir.

Dördüncü gruptaki çalışmalarda ise; kredi talebini arz tarafından soyutlayarak bankalar tarafın- dan belirlenen bir faiz oranına dayanarak özel sektöre verilen kredilerin piyasadaki talebe göre be- lirlediğini varsayarlar. İçsel para teorisine dayanan bu çalışmalara örnek olarak ise; Lavoie (1984),

(8)

252 Moore (1988), Pollin (1991), Werner (2014a), Werner (2014b), Palley (2014), Palley (2015), Deleidi ve Fontana (2020) gösterilebilir.

Bunların dışındaki çalışmalarda ise; kredi arzını bankacılık karının bir fonksiyonu olarak gör- müşler ve karın maksimize edilebilmesi için birçok faktör tanımlamışlardır. Buna ek olarak kredi arz ve talebini MB anketi çerçevesinde belirleyen çalışmalar da yine çoğunlukla Manddala Nelson (1974) tekniğini kullanarak, arz ve talep faktörlerini ayrıştırmışlardır.

Friedman and Kuttner (1993); Kashyap, Stein ve Wilcox (1993) makalesinde ticari bono ve krediler arasındaki miktar sınamasına göre yapılan analizde ticari bono tarafına odaklanmışlar fakat kredilerin çıktı açısından belirleyici olabildiği varsayımını atlamışlardır. Bu da modelin daha da derinleştiril- mesi gereği oluşturmuş ve yazarlar bu fikirden yola çıkarak; kredi arz ve talebinin belirlenebilmesi için hem fiyat hem de miktarın analiz edilmesi gerektiğini savunmuştur. 1960-1992 aylık veriler ile yaptık- ları çalışmada, kredilerin çıktıyı açıklamadığını, ticari senet ve kredi oranının da Kashyap, Stein ve Wil- cox (1993)’nın aksine çıktıyı açıklama gücünün zayıf olduğu sonucuna ulaşılmıştır. Buna karşılık, ticari bono ve hazine kağıdı getirisinin çıktıyı tahmin etmede önemli derecede etkili olduğu bulunmuştur.

Bunların aralarındaki kombinasyonu da araştıran çalışmada, miktarın, fiyattan ayrılamayacağı sonucuna varmıştır. Fiyat tarafında ise; çıktıyı açıklama gücü açısından ticari bono getirisi ve hazine bonosu getirisi arasındaki farkın kullanılmasının çıktıyı açıklama gücü açısından daha anlamlı sonuçlar ürete- bildiğini belirtmiştir. Diğer taraftan, para politikası şokları sonrasında ticari senet ihracında yükselme yaşanır iken, ticari bono getirisi ile hazine bonosu getiri farkının yükselmesi ve çıktının düşmesi ile so- nuçlanmıştır. Fakat yine Kashyap, Stein ve Wilcox (1993)’nın aksine, para politikası şoku sonrasında kredilerde de artış görülmüştür (Friedman ve Kuttner, 1993).

Suzuki (2004); Sıkı para politikası koşulları altında kredi miktarı ile fiyatı arasındaki ters oran- tının varlığını analiz ederek kredi kanalının doğru işlediği sonucuna varmıştır. Bununla birlikte iki değişkenin aynı yönde hareket ettiği durumda ise kredi talebinden kaynaklandığını ve para politi- kası şoku sonucunda oluştuğu sonucuna varmıştır. 1989-2002 yıllarını kapsayan çeyreklik bazda veri ile oluşturduğu VaR bazlı çalışmasında bankaların faiz oranı değişimlerine verdikleri tepkinin men- kulleri azaltmak olduğu ve bunun da banka kredi kanalına bir kanıt oluşturamayacağı yönünde ol- muştur (Suzuki, 2004).

Kredi arz ve talebi üzerine yapılan önemli çalışmalardan bir diğer, ise, Huelsewig ve Diğerleri (2005) çalışmasıdır. Arz ve talebi bir eşitlik dâhilinde oluşturdukları modelde, para politikasına verilen tepkileri teorik ve amprik olarak belirlemişler ve aralarındaki farkı minimuma indiren katsayıları bularak, kredi arzının para politikası sonrasında kredi marjının daralmasına mütakip düştüğü, buna ek olarak kredi talebinin ise, kredi faiz oranındaki düşme ve çıktıdaki büyüme ile yükseldiği sonucuna ulaşmışlardır (Huelsewig, Mayer ve Wollmershaeuser , 2005).

Carpenter, Demiralp ve Eisenschmidt (2013), Şubat 2004-Mayıs 2011 yılları arasında ABD ve Euro Bölgesi bankaları datalarını kullanarak yaptıkları panel veri analizinde, banka kredilerini arz ve talep olarak modelleyerek, arz tarafında kredi riskine (libor – OIS) nazaran likidite riskinin (30 günlük ortalama fonlama volatilitesi) daha anlamlı sonuçlar verdiğini bulgulamıştır. Yine, kredi faizi ve politika faizi arasındaki farktaki yüz baz puanlık artışın, ABD’de 1,5 puanlık kredi büyümesi

(9)

253 yaratırken Euro Bölgesinde 4 puanın üzerinde büyüme yarattığı sonucuna ulaşılmıştır. Talep tara- fında, kredi faizi ile politika faizi arasındaki fark ve krediler arasındaki ilişki beklenildiği gibi negatif, diğer taraftan ibor-ois spreadi ile temsil edilen risk göstergesi krediler ile pozitif ilişki içinde ol- duğu bunun da sebebinin, firmaların bilançolarını kriz başlangıcında likit tutabilmek amacı ile tüm limitlerini sonuna kadar kullanması olarak açıklanmıştır. ABD’de uygulanan TAF veya TARF prog- ramlarının etkilerini kukla değişken kullanarak belirledikleri çalışmalarında, programın kümülatif etkisi olarak 36 aylık sürede %6,25 oranında likidite riskinde düşüş yarattığı ve daha önceki bulgular ile birleştirildiğinde ise, toplamda TARF dönemi boyunca alınan likidite önlemlerinin kredileri 276 milyar dolar artırdığı sonucuna varılmıştır (Carpenter, Demiralp ve Eisenschmidt, 2013).

Banka Kredi Eğilim Anketleri yararlanarak kredileri arz ve talep olarak ayıran çalışmalarda ise genel olarak kredi talebi ve arz faktörlerinin daralma veya genişlemede ne kadar etkili olduğu araş- tırılmıştır. Örneğin, Giovane ve Diğerleri (2010), İtalya için banka kredi eğilim anketlerinden yararlanarak oluşturmuş olduğu banka bazlı mikro veri seti sonucunda, kriz dönemlerinde hem arz hem de talep faktörlerini ve bunları etkileyen birçok alt faktörü araştırmış ve hem arz hem de talep fak- törlerinin önemini dile getirmiştir (Giovane, Eramo ve Nobili , 2010). Bondt ve Diğerleri (2010) ise, yine banka kredi eğilim anketlerinden yararlanarak Avrupa ülkeleri üzerinde geçekleştirdiği analizde, banka kredilerini ve GSMH büyümesini tahmin etmeye çalışmıştır. Diğer taraftan çalışma sonucuna göre, kredi miktarındaki büyüme, hem talep hem de arz faktörleri tarafından açıklandığı fakat talep ve para politikası faiz oranı değişimlerinin bu büyümedeki etkinliğinin daha fazla olduğunu belirtmiştir (Bondt ve Diğerleri, 2010).

Sóvágó (2011), banka kredi koşulları anketinden yararlanarak Macaristan için oluşturmuş ol- duğu panel veri seti ile yaptığı çalışmasında, faiz oranı değişimlerinin krediler için önemli olduğu, kredi talebinin Global Kriz ile birlikte daraldığı fakat 2010 yılı içersinde toparlanmaya başladığını, arz faktörlerinin talebe kıyasla krediler üzerindeki etkisinin yaklaşık iki katı olduğu sonucuna ulaş- mıştır (Sóvágó, 2011).

4. Veri Seti

Veri seti olarak 2003M1 ve 2019M12 aralığı seçilmiştir. Tüm seriler logaritması alınarak modele dahil edilmiştir. Logaritması alınan seriler aylık değişim değerleri bulunarak oransal büyüme ha- line getirilmiş sonrasında etki ve tepki fonksiyonlarının kesikli olmaması adına üç aylık ortalamaları alınmıştır. Kredi faiz oranı ile mevduat faiz oranı arasındaki farkı baz alan spread serisinin 2003M6 öncesi değeri negatif olduğundan logaritması alınamadığından veri seti aslında 2003M6 ve sonrası olarak belirlenmiştir. Seriler, üç aylık ortalamaları da alındığında, 2003M10-2019M12 arası veri seti modele dahil edilmiştir. Serilerde durağanlık sağlanabilmiştir.

Kredi verisi, mevduat bankalarının özel sektör için ticari işletme ve bireysel işletmelere verilen krediler datası EVDS’ den alınmış ve TUİK veri setinden TUFE (2003=100) endeksi ile reel dataya çevrilmiştir. Logaritması alınan reel krediler datası aylık değişim ile kredi büyümesi bulunmuştur.

Durağanlığı sınanan reel kredi büyümesinin üç aylık ortalamaları alınmış aylık büyüme veri setinin durağan olduğu görülmüştür.

(10)

254

2003-10 2005-06 2007-02 2008-10 2010-06 2012-02 2013-10 2015-06 2017-02 2018-10

2003-10 2005-06 2007-02 2008-10 2010-06 2012-02 2013-10 2015-06 2017-02 2018-10 2003-10 2005-03 2006-08 2008-01 2009-06 2010-11 2012-04 2013-09 2015-02 2016-07 2017-12 2019-05

2003-10 2005-03 2006-08 2008-01 2009-06 2010-11 2012-04 2013-09 2015-02 2016-07 2017-12 2019-05 2003-10 2005-01 2006-04 2007-07 2008-10 2010-01 2011-04 2012-07 2013-10 2015-01 2016-04 2017-07 2018-10

2003-10 2005-03 2006-08 2008-01 2009-06 2010-11 2012-04 2013-09 2015-02 2016-07 2017-12 2019-05

Ticari kredi faizi ile mevduat faizi ağırlıklı ortalama akım verisi EVDS veri seti kullanılarak edi- nilmiş ve aradaki fark, fark verisi olarak modele eklenmiştir. Spread verisine büyüme ve ortalama alma işlemi uygulanmamıştır.

Global kriz sonrasında para politikasındaki değişim göz önüne alınarak fonlama faiz oranı 2010 öncesi ve sonrası için farklı şekilde ele alınmıştır. 2010 öncesinde finansal sistem nette likidite fazlası verdiğinden dolayı, politika faizi gecelik borçlanma faizi olarak ele alınmıştır. Para politikası fonlama kompozisyonu 2010 Mayıs ayı sonrasında değişmiş ve TCMB gecelik fonlamaya ek olarak haftalık fonlama ile de finansal sisteme likidite sağlanmıştır. Bu dönemde BIST faiz oranı, TCMB’nin ortalama faiz oranından önemli ölçüde ayrışmış ve piyasa ilgisini daha iyi yansıtır hale gelmiştir. Bu se- beple 2010 Mayıs ayı sonrasında BIST gecelik fonlama politika faizi olarak kullanılmıştır. EVDS veri setinden edinilen datalar modele sadece logaritması alınarak dâhil edilmiştir. Seriye başka bir işlem uygulanmayarak ham hali ile modele dâhil edilmiştir.

Grafik 1: Analizde Kullanılan Veri Seti (BSVAR)

Kur

0,5000 0,4000 0,3000 0,2000 0,1000 0,0000 -0,1000 -0,2000

rfoskkrediler

0,0060 0,0040 0,0020 0,0000 -0,0020 -0,0040 -0,0060

spread

3,0000 2,0000 1,0000 0,0000 -1,0000 -2,0000

cpidindex

0,0080 0,0060 0,0040 0,0020 0,0000 -0,0020

rsue

0,0150 0,0100 0,0050 0,0000 -0,0050 -0,0100 -0,0150 -0,0200

rate

3,5000 3,0000 2,5000 2,0000 1,5000 1,0000 0,5000 0,0000

Ekonomik büyüme, sanayi üretimi veri seti ile oluşturulmuştur. EVDS’den edinilen sanayi üre- timi verisi X-11 yöntemi uygulanılarak mevsim ve takvim etkisinden arındırılmıştır. Seri, TUFE (2015=100) Endeks verisi kullanılarak reel hale getirilmiş, logaritması alınmış ve sonrasında aylık büyüme oranı hesaplanmıştır. Üç aylık ortalama büyüme olarak modele eklenen serinin, durağanlık testleri sonucunda düzeyde durağan olduğu anlaşılmıştır.

Tüfe verisi yerine enflasyonu temsilen, manşet enflasyonunun alt katagorisi olan TUFE-D serisi (işlenmemiş gıda, alkollü içkiler ve tütün dışı enflasyon) kullanılmıştır. Bu serinin kullanılmasın- daki amaç, hem manşet enflasyonu büyük oranda yakından takip etmesi, hem de işlenmemiş gıda ve

(11)

255 tütün ürünlerinin kısa dönemli değişkenlikler sergilemesi ve serinin oynaklığını artırmasıdır. Seri, X11 metodu kullanılarak mevsimsellikten arındırılmış, logaritması alınan endeks verisi üzerinden aylık değişim hesaplanarak modele dahil edilmiştir.

TBS, toplam varlık büyüklüğü veri seti Avrupa Merkez Bankası ECB, Fed ve BOJ varlık büyüklük dataları St.louisfed veritabanından elde edilmiştir. Üç serinin dolar bazından değerleri hesaplanmış ve toplam olarak ele alınarak, 2003=100 olarak normalize edilmiştir. Serinin logaritması alınmış, ay- lık değişimi hesaplanarak üç aylık ortalaması alınmıştır. Bu işlemler sonrası yapılan birim kök testleri serinin düzeyde durağan olduğunu göstermesinden dolayı fark işlemi uygulanmamıştır.

Modelde; finansal olmayan sektöre verilen reel krediler (rfoskkredi), ağırlıklı ortalama ticari ve mevduat faizlerinin arasındaki fark (spread), D tanımlı tüketici fiyat enflasyonu (cpidindex), reel mevsim ve takvim etkilerinden arındırılmış sanayi üretimi (rsue) ve TCMB fonlama faizi (rate) ile birlikte kur serisi içsel değişken olarak, tbs ise dışsal değişken olarak kullanılmıştır. Modele sabit kat- sayı ve trend değişkeni de eklenmiştir.

5. Model

Banka bilançosundaki küçülmenin kredi arzındaki veya kredi talebindeki değişimlerden kaynak- lanıp kaynaklanmadığını belirlemek için yalnızca toplu verilere dayanan azaltılmış formda kurulmuş tek bir denklem üzerinden açıklamak mümkün değildir (Cecchetti, 1995, s. 92). Bununla birlikte model içerisindeki değişkenlere uygulanması düşünülen işaret sınırlamaları sayesinde bağımsız de- ğişkenlerin istenilen durumların gerçekleşmesi halinde şoklara vereceği tepkileri ve dönemsel olarak şokların veriler üzerindeki etkisinin uzunluğunu görebilmemiz, SVAR metodu ile mümkün olmak- tadır. Stokastik oynaklığa sahip zamanla değişen bir VAR parametresi tahmini ve sonrasında işaret ve sıfır parametre sınırlaması ile oluşturulacak SVAR modeli, arz ve talep etkilerinin ayrıştırılma- sında sabit parametre ve durağan volatilite modelleri kullanılarak yapılan modellere göre önemli bir avantaj sağlayacaktır (Busch ve diğerleri 2010 ve Lown ve Morgan 2006 gibi çalışmalar).

Tablo 1: Bayesyen VAR Hiper Parametre Göstergeleri

En Küçük En Büyük Adım

Değer Değer Büyüklüğü

Otoregresif Katsayı 0,5 1 0,1

Genel Sıklık (λ₁) 0,05 0,2 0,01

Çapraz Değişken

Ağırlıklandırma (λ₂) 0,5 1 0,1

Gecikme Sönümlenmesi (λ₃) 1 2 0,2

Dışsal Değişken Sıkılığı (λ₄) 100 1000 100

Toplam Katsayı Sıklığı (λ₆) 0,5 1 0,1

Kukla İlk Gözlem Sıklığı (λ₇) 0,05 0,1 0,01

Kaynak: The Bayesian Estimation, Analysis and Regression toolbox (BEAR) standart hiperparametre değerleri

Not: İlk iki seçenek Gibbs örnekleme algoritmasıyla ilgilidir: algoritmanın toplam yineleme sayısını belirtmek için kulla- nılmaktadır. Daha fazla toplam yineleme sayısı, daha doğru son olasılık dağılımı tahminine yol açar, ancak daha fazla zaman almaktadır.

(12)

256 Modellere ilişkin en küçük değerler, modelin anlamlılığı çerçevesinde yinelerek en uygun küçük değerlere ulaşılarak çözümleme yapılmıştır. Bu amaçla hiperparametrelere ilişkin en küçük değerler BEAR toolbox’tan farklı olarak ele alınmıştır.

Bayesyen VAR modelleri, kısıtsız VAR ve SVAR modelleri arasında önsel bilgilerin olasılık da- ğılımlarının ne olması gerektiğine ilişkin çıkarımlar ile veri setinin geçmiş dağılımlarının birleşti- rilmesi ile elde edilen ortak olasılık fonksiyonudur. Bayesyen VAR yönteminde, yapısal VAR yön- teminden farklı olarak amaç, parametrelerin azaltılması değil parametrelere ilişkin ağırlıkların farklılaştırılmasıdır. Model tahmini için gerekli olan açıklayıcı değişkenler araştırmacı tarafından önsel bilgi ile modele eklenmiştir. Fakat araştırmacıların VAR modelinde çok fazla açıklayıcı değiş- ken kullanma eğilimi aşırı uyum problemine (aşırı parametreleşme) yol açmakta ve modelin tahmin gücünü düşürmektedir (overfitting). Tahmin edilecek katsayıların ön bilgi seti kullanılarak azaltıl- ması, Bayesyen yaklaşım çerçevesinde ele alınmıştır. Bayesyen yaklaşım olasılık bazlı bir yorumdur.

Bir durumun gerçekleşme olasılığı, gerekli olan ön bilgi (prior) ile olaya ilişkin inanç derecesine iliş- kin yapılan denemelerden elde edilen sonuçların birleştirilmesi ile elde edilmektedir.

Bayesyen VAR modelinin literatürde sözü edilen yöntemlerin hatalı tanımlama, parametre be- lirsizliği, farklı veri kaynakları ve bir dizi hesaplama sorunuyla başa çıkmada potansiyel olarak daha becerikli olduğu önerilmektedir (Kotzé, 2021). Bununla birlikte, klasik VAR modelinde, çok fazla açıklayıcı değişken ve uzun gecikmelerin kullanıldığı modellerde çok fazla parametre tahminin ge- reksinimi serbestlik derecesinde kayıplar yaratabiliyorken, Bayesyen VAR modelinde ise bu kayıpları minimuma indirecek şekilde zamansal olarak az veri veya çok fazla açıklayıcı değişken ile de çalışı- labilmektedir (Sevinç ve Ergün, 2009, s. 86). Son olarak, Bayesyen VAR, zaman serilerinde birim kök olması halinde bile yansız katsayı tahminlerinin yapılabilmesine, parametre tahminin zor olduğu ekonomik veya finansal uygulamaları içeren karmaşık modellerin var olduğu ve belli bir değişkenin gecikmesine ağırlık atanmasına izin vererek daha doğru sonuçlar üretilmesine olanak vermektedir.

Buna ek olarak, hesaplama açısından basit ve etki-tepki fonksiyonları gibi ilgili istatistikler için kav- ramsal olarak temiz hata bantları çizme yolu sağlamaktadır (Uhlig, 2005, s. 409).

Bu çalışma kapsamında, kredi arz ve talep eğrilerinin kaymasına neden olan şokların ve bunların kullanılan veriler üzerindeki etkilerini görebilmek amacıyla Bayesyen SVAR modeli kullanılmıştır. Ça- lışma Uhlig (2005), Barnett ve Thomas (2013) ve Peersman (2011) çalışmalarında kullanılmış olan işa- ret ve sıfır kısıtları oluşturulan modellerle ilişkili olacak şekilde kullanılmıştır. Modelde Arias, Rubi- o-Ramirez and Waggoner (2014) tarafından uygulanan süreç izlenmiş ve modelin uygulaması, ECB BEAR toolbox (Dieppe, Legrand ve Roye , 2018)’da hazırlanmış olan matlab kodları çalışılmıştır.

Arias, Rubio-Ramirez and Waggoner (2014) tarafından uygulanan süreç; Bayesyen yaklaşımda parametre tahmini için bir ön dağılım belirlenir. Bu klasik yöntemde örneklem içerisinde birçok de- neme ile elde edilmektedir. Bayesyen olasılık kavramı, özünde, tekrarlanan bir örnekleme alıştırması gerektirmeyen öznel bir olasılık ifadesidir. Parametre vektörü Θ, araştırmacının öznel inançları ile oluşturulmuş öncelenmiş bir dağılıma sahiptir. Ön olasılık dağılımı belirlendikten sonra mevcut veri ile birleştirilerek parametre tahmincisinin son olasılık dağılımına ulaşılmaktadır. Sıfır kısıtlamala- rına bağlı olarak yapısal parametrelerin son olasılık dağılımından bir etki matrisi “M₀” seçer. Seçil- miş olan M₀matrisinden QR ayrışımı seçilir.

(13)

257 6. Tanımlama

Kredi arz şokların soyut ya da somut birçok nedeni olabilir. Bunlardan bazıları; bankanın sermaye yapısındaki değişiklik ve sermaye rasyolarındaki değişiklik, bankanın fonlama yapısındaki de- ğişiklik, banka yönetiminin potansiyal kredi müşterilerine olan risk algısının değişmesi gibi neden- lerdir. Buna karşın, banka kredi talep şokları ise; tüketimi ve tercihlerdeki değişimler, yatırım talebi şokları, para ve maliye politikası şokları olarak tanımlamak mümkündür. Görüldüğü üzere talep ve arz şokları içerisinde birçok neden barındırmakta ve şokları tanımlamayı da bir hayli karmaşıklaş- tırmaktadır. Diğer taraftan kullanılan model çerçevesinde eksik kısıtlama, tanımla yapılamamasına veya doğru çıktılar elde edilememesine yol açarken, model içerisinde kullanılan kısıtların fazla ol- ması da teoriye aykırı sonuçları üretebilmektedir. Bu yüzden arz ve talep şokları, toplam arz ve talep ile kredi arz ve talebi olarak ayrılacak ve her bir şokun krediler üzerindeki etkisi araştırılacaktır. Bu- nun nedeni, tanımlanan şokların sayısının artmasının, etki-tepki işlevlerinin doğru işaretini ortaya çıkarmaya yardımcı olabileceğinin gösterilmiş olmasıdır. Diğer bir neden ise; sadece kredi şoklarının modele dahil edilmesi, diğer şoklardan gelebilecek dışsal etkilerin yakalanamaması demek olacaktır.

Toplam arz ve toplam talep şoklarının kredi talep şoklarını etkilediği varsayımı altında, kredi talep şoklarının ne ile ölçüldüğü ve tam olarak neye karşılık geldiği sorunu ortaya çıkmaktadır. Fakat burada kredi talep şoku ile kastedilen şok aslında, kredi talep edenlerin finansal ve teknolojik gelişme ile kredilere ulaşabilme ve edinebilmesi olarak adlandırılmaktadır. Tabiki de buradaki finansal dü- zenlemeler önemli olacaktır. Örneğin, kredi kartı taksitine üst sınır getirilmesi, gecikme faizlerinde yapılan değişimler sonucunda yaşanan talep şokları gibi şoklar, hem talep tarafını hem de arzı etkilemektedir. Bu yüzden bu şokların toplam talep ve arz şoklarından ayrılması önemlidir.

Toplam arz şoku; bağımsız değişkenler için bu şoka verilen cevaplar içerisinde enflasyon ve en- düstriyel üretimin ters yönde hareket ettiği cevaplar kabul edilerek belirlenebilecektir. Örneğin ters arz şoku, yani arzın daraldığı durumda endüstriyel üretim düşer, buna karşılık fiyatlar artacaktır.

Eğer pozitif bir toplam talep şoku yaşanıyorsa ise; GSYIH veya Endüstriyel Üretim ve enflasyon aynı yönde hareket ederek artacaktır. Bu sayede toplam talep şoku olduğu tanımlanmış olacaktır.

Buna ek olarak para politikası tepkisi ise, faiz oranlarını artırmak olacaktır. Diğer taraftan, negatif talep şoku eş zamanlı olarak kredi faizlerinin düşmesini sağlayacaktır. Bu durum, iki nedenden dolayı ortaya çıkacaktır. Birincisi; talep azalınca kredi faiz oranları düşmeye başlayacaktır. İkincisi ise faiz oranı kanalından gelecek ve bankacılık sektörü kredi faiz oranları genişleyici para politikası tepkisi ile gerileyecektir. Toplam talep şokları da oldukça çeşitli olabilir ve tüketim veya tercihteki, yatırım talep şokları veya maliye politikası şoklarındaki değişiklikleri yansıtabilir (Gambetti ve Musso, 2012, s. 9). Buna ek olarak; kredi arz şokları, finansman koşullarındaki değişiklikler, rekabetteki değişiklik- ler, borç alanların kalitesindeki değişiklikler gibi finansal sektördeki faktörlerin bir kombinasyonunu veya güven etkilerini yansıtabilir (Hristov, Hulsewig ve Wollmershauser, 2011, s. 12).

Hristov ve diğerleri (2011), toplam talep şokunu büyüme ve enflasyon oranlarındaki düşüş ile birlikte para politikası faiz oranlarının düştüğü aynı zamanda kredi faizlerinin de düşmesine yol açtığı şeklinde modellemiştir. Gambetti ve Musso (2012), Hristov ve Diğerleri (2011) çalışmasına benzer bir şekilde ta- nımlama yaparak genişleyici toplam talep şoklarının kredi faiz oranlarındaki artış, kredilerde artış ve para

(14)

258 politikası faiz oranlarındaki artış olarak tanımlamışlardır. Fakat burada şu eleştiri yerinde olacaktır; zamansal olarak kredilerin para politikasına tepkisi eş anlı olmayacağı çünkü kredi piyasasında fiyat katılığı olduğu ve kısa dönemli olarak düzeltilemeyeceği bir gerçektir. Bu durum kredi görüşü ile ilgili varsayımlar içerisinde işlenmişti Cecchetti (1995), Kashyap ve Stein (1994), Kashyap, Stein ve Wilcox (1992), Thorn- ton (1994), Oliner ve Rudebusch (1995). Bununla birlikte, faiz oranlarının geçişkenlik ile kredi faiz oranla- rını belli bir süre içerisinde etkilemesi muhtemeldir. Burada aylık data ile çalışılmış olması, kredilerin para politikası ve diğer şoklara olan tepkileri için uygun zaman aralığı sunmakta ve kredi piyasasındaki katılık- lara bağlı olarak para politikası tepkileri için uygun zamanı nispeten sunmaktadır.

Kredi arz ve talep şokları genel olarak kredi faiz oranları, ticari faiz ile mevduat faiz oranları ara- sındaki fark, kredi faiz oranları ve politika faiz oranları arasındaki fark ile kredi hacminin tepkileri- nin aynı veya farklı yönde olması ile tanımlanabilmiştir. Kredi arzı, kredi faiz oranı veya kredi faiz oranı ile politika faiz oranları arasındaki fark ile kredi hacminin farklı yönde tepki vermesi ile model- lenirken, kredi talebi bu iki değişkenin aynı yönde cevaplar üretmesi ile ayrıştırılmıştır.

İhtiyatlı bir varsayım olmasına rağmen, nominal bozulmaların reel değişkenler üzerindeki eşzamanlı etkisinin sınırlandırılması, aylık tahminler için makul kabul edilir ve önceki sonuçlarla karşılaştırılabilir- liğe izin verir (Peersman, 2011, s. 7). Kredi piyasası şoklarının reel GSYİH, enflasyon ve politika faizine eş zamanlı etkisi, Barnett ve Thomas’ta (2014) olduğu gibi sıfır kısıtı atanarak oluşturulmuştur. Eşzamanlı sıfır kısıtlamalar, kredi arzı ve talep şoklarını, kredi piyasası ile ilgili olmayan nedenlerle kredi marjını ve kredi büyümesini etkileyebilecek toplam talep ve arz şoklarından ayıracak şekilde tanımlamak için kritik- tir. Fakat Bernanke ve Blinder (1988) ile tanımlanan banka kredi kanalının hızlandırıcı etkilerinin görül- mesini engelleyecektir. Bu yüzden son modelde sıfır kısıtları kaldırılarak model yeniden tanımlanmıştır.

Para politikası şokları ise; Enflasyon ve reel sanayi üretimindeki pozitif işaret sınırlaması ve faiz oranlarının düşüşü sonrasında kurun artması şeklinde pozitif işaret sınırlaması ile belirlenebilmiştir.

Tablo 2: Yapısal Şoklar ve Kısıtlar Sermaye Akımları Kredi

Talep

Kredi Arz

Toplam Talep

Toplam Arz

Para Politikası

rfoskkrediler - + - +

spread + + +

cpidindex - 0 0 + + +

rsue - 0 0 + - +

rate 0 0 + -

Son olarak Sermaye Akımı Şokları, kur değişkeni, enflasyon ve spread değişkenlerinin negatif, reel kredi büyümesi değişkeninin pozitif tepkisi olarak tanımlanmıştır. Pozitif sermaye akımı şoku şeklinde yapılan tanımlama arkasındaki ekonomik mantık ise; sermaye akımları, TL’nin değerini ar- tırdığı (USDTRY kurunun düşmesi), enflasyonu ve kredi faiz spreadini düşürdüğü aynı zamanda kredileri arttırdığı düşünülmüştür. Bu tanımlama bankacılık sektörü kredilerinin sermaye akımı veya kur şokları olarak nitelendirilen şoklara ne derecede bağımlı olduğunu göstermek üzere tanım- lanmıştır. Kur şoklarının, belli bir dönem sonrasında kredi arz şoku olarak nitelendirileceği akıllar- dan çıkarılmamalıdır.

(15)

259 7. Analiz Sonuçları ve Değerlendirmeler

Modele ilişkin tüm şoklar eş anlı olarak uygulanmıştır. Ön bilgi dağılımı olarak normal-wishart (sigma as univariate AR) seçilmiştir. Model iyileştirmesi maksimum olabilirlik fonksiyonu çerçeve- sinde takip edilerek en yüksek olabilirlik fonksiyonu içeren model uygulanmıştır.

Modelde, kredi arz şokları ile sermaye akımı şokları kaynaklı kur şokunun yarattığı iç talep bağ- lantılı kredi arz mekanizması birbirinden tamamen ayrılması amaçlanmıştır.

7.1. Birim Kök Testleri

ADF ve P-P Birim kök testlerinde temel hipotez serilerin durağan olmadığı yönünde olmasına karşın, alternatif hipotez serilerin durağan olması şeklinde kurulmaktadır.

Tablo 3: Birim Kök Testi Sonuçları (BSVAR)

PP Birim Kök Testi ADF Birim Kök Testi

Düzey Değerleri

CPIDINDEX KUR RATE RFOSKKREDILER RSUE SPREAD TBS CPIDINDEX KUR RATE RFOSKKREDILER RSUE SPREAD TBS Sabitli -46.352 -42.673 -21.478 -42.844 -64.078 -25.952 -40.346 -35.461 -64.158 -20.858 -34.705 -37.307 -26.784 -33.992

0.0002 0.0007 0.2264 0.0006 0.0000 0.0957 0.0015 0.0078 0.0000 0.2507 0.0098 0.0044 0.0796 0.0122

*** *** n0 *** *** * *** *** *** n0 *** *** * **

Sabitli

Trendli -45.029 -43.152 -19.366 -43.351 -64.437 -30.002 -39.518 -37.039 -64.095 -18.879 -44.248 -38.381 -30.325 -34.666 0.0019 0.0037 0.6314 0.0034 0.0000 0.1349 0.0118 0.0245 0.0000 0.6570 0.0025 0.0166 0.1261 0.0461

*** *** n0 *** *** n0 ** ** *** n0 *** ** n0 **

Trendsiz

Sabitsiz -38.888 -48.544 -0.9412 -38.317 -62.822 -15.657 -50.840 -10.767 -61.886 -10131 -25.468 -34.787 -16.350 -25.172 0.0001 0.0000 0.3079 0.0002 0.0000 0.1103 0.0000 0.2542 0.0000 0.2788 0.0109 0.0006 0.0962 0.0118

*** *** n0 *** *** n0 *** n0 *** n0 ** *** * **

Birinci Fark

d(CPIDINDEX) d(KUR) d(RATE) d(RFOSKKREDILER) d(RSUE) d(SPREAD) d(TBS) d(CPIDINDEX) d(KUR) d(RATE) d(RFOSKKREDILER) d(RSUE) d(SPREAD) d(TBS) Sabitli -89.057 -105.237 -110.759 -218.706 -446.350 -155.160 -161.648 -71.542 -99.617 -107.104 -139.886 -97.999 -155.024 -85.347 0.0000 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

*** *** *** *** *** *** *** *** *** *** *** *** *** ***

Sabitli

Trendli -88.448 -104.243 -109.785 -258.564 -455.256 -154.668 -160.027 -72.182 -99.393 -107.578 -139.548 -97.701 -154.668 -85.159 0.0000 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

*** *** *** *** *** *** *** *** *** *** *** *** *** ***

Trendsiz

Sabitsiz -89.818 -106.086 -110.766 -179.712 -452.944 -155.562 -162.650 -71.723 -99.884 -107.089 -140.317 -98.267 -155.422 -85.593 0.0000 0.0000 0.0000 0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

*** *** *** *** *** *** *** *** *** *** *** *** *** ***

Not: (*) 10% Seviyesinde anlamlı; (**)5% Seviyesinde anlamlı; (***) 1% Seviyesinde anlamlı ve (no) anlamsız a. *MacKinnon (1996) one-sided p-values.

b. İlk Sıradakiler T istatistiği ve altındaki değerleri Olasılık değerlerini göstermektedir

KPSS birim kök testi analizi için bu durum tam tersi şeklindedir. ADF testi için farkı alınmış serilerin gecikmeli değerleri alınarak otokorelasyon sorunu çözülse bile, hata terimlerindeki değişen varyans sorununa karşı bir çözüm önerisi getirememiştir. PP Testinde ise, değişen varyans (hetero- kedastisity) sorunu, ADF testine ek olarak Newey ve West (1987) geliştirilen kovaryans matrisi tah- mincisi göz önüne alınarak bu sorun çözülebilmiştir. Bu yüzden serilerin durağanlıkları ADF ve PP testleri ile sınanmaktadır. Hem P-P hem de ADF birim kök analizi sonuçlarına göre rate ve kredi spread datası dışındaki tüm serilerin düzeyde durağan oldukları görülmektedir. Rate ve kredi spread datası ise modele ham hali ile konulmaktadır.

(16)

260 7.2. Gecikme Uzunluğunun Tespiti ve Artık Değerlere İlişkin Sınamalar

VAR modelinin istikrarlı bir model olması, normallik ve otokorelasyon sorunun olmaması için gecikme uzunluklarının belirlenmesi önemli bir aşamadır. Nispeten yüksek gecikme sırası gereklidir, çünkü veriler mevsimsel olarak düzeltilmez ve mevsimsel kuklalar tüm mevsimsel etkileri açıklaya- maz. Mevsimsel olarak ayarlanmış verilerin kullanılması muhtemelen gecikme süresini azaltacaktır, ancak çalışma kapsamında ilgilenilen verilerin kısa vadeli dinamiklerini de bozabilir (Holtemoller, 2002, s. 7). Küçük örneklemlerde, AIC ve FPE, HQ ve SC’den daha iyi özelliklere sahip olabilir. Ay- rıca, önceki AIC ve FPR kriterleri, tahmin hatası varyansını en aza indirmek için tasarlanmıştır.

Bu nedenle, küçük ve büyük örneklemlerde, AIC ve FPE’ye dayalı modeller, gecikmeleri doğru tahmin edememelerine rağmen daha üstün tahminler üretebilir (Lutkepohl, 2005, s. 151). Fakat çok kısa bir gecikme süresi tutarsız tahminlere ve verilerdeki önemli dinamiklerin yakalanamamasına neden olabilirken, çok fazla gecikme, küçük ve orta ölçekli örneklemlerde kesin olmayan tahminlere neden olabilir. Bu nedenle, daha fazla gecikme eklemek model uyumunu iyileştirir, ancak serbestlik derecesini azaltır ve aşırı uyum tehlikesini artırır (over-fitting).

Bu hedefler arasında karar vermenin en iyi yolu, iki parametrenin bazı ağırlıklı ölçümlerini maksimize etmektir. Akaike bilgi kriteri (AIC), Schwarz kriteri (SC) ve Hannan-Quinn kriteri (HQ) bu şekilde çalışır. Bu üç istatistik, en iyi gecikme uzunluğunun herbiri için de en aza indirmesi için, iyi- leştirilmiş uyumun serbestlik derecesi kaybına karşı faydası ile ölçülebilmektedir (Mumtaz ve Rum- mel, 2015, s. 7). Bu bilgiler ışığında modelin gecikme uzunluğunu gösteren tablo aşağıdaki gibi olup, gecikme uzunluğu olarak 12 seçilmiştir.

Tablo 4: Optimum Gecikme Uzunluğunun Tespiti

Lag LogL LR FPE AIC SC HQ

0 2900.293 NA 8.41e-22 -31.50047 -31.18479 -31.37251 1 3648.524 1422.864 3.50e-25 -39.28441 -38.33735 -38.90052 2 3779.865 241.1521 1.24e-25 -40.3264 -38.74796* -39.68658 3 3851.210 126.3144 8.44e-26 -40.71267 -38.50286 -39.81693*

4 3901.884 86.39539 7.24e-26 -40.87305 -38.03186 -39.72137 5 3948.361 76.19261 6.53e-26 -40.98755 -37.515 -39.57996 6 4002.990 85.97265 5.41e-26 -41.19114 -37.08721 -39.52762 7 4041.898 58.68112 5.36e-26 -41.22293 -36.48762 -39.30347 8 4081.887 57.68985 5.28e-26 -41.26653 -35.89985 -39.09115 9 4121.518 54.57338 5.27e-26 -41.30621 -35.30815 -38.8749 10 4159.409 49.69323 5.41e-26 -41.32688 -34.69745 -38.63964 11 4209.385 62.26501* 4.93e-26 -41.47962 -34.21881 -38.53646 12 4252.107 50.42647 4.92e-26* -41.55309* -33.66091 -38.354

* Gecikme uzunluğu kriter seçimini göstermektedir, LR: sequential modified LR test statistic (each test at 5% level), FPE: Fi- nal prediction error, AIC: Akaike information criterion, SC: Schwarz information criterion, HQ: Hannan-Quinn information criterion

Var analizi için istikrarlılık testi yapılmış ve modelin istikrarlı olduğu görülmüştür. Bununla birlikte hata terimlerinin otokorelasyon olmadığı görülmüştür. Seçilen gecikme uzunluğu için otokorelasyon olduğunu bulursak, sorun ortadan kalkana kadar VAR’ın gecikme uzunluğunu arttırmak

(17)

261 gerekir. Benzer şekilde, normal olmama ile ilgili sorunlar varsa, kukla değişkenlerin ve trendlerin dışsal veriler olarak kullanımı, sorunu ortadan kaldıracaktır. Değişen varyans, otokorelasyon ve karakteristik polinom model sonuçları EK-3’te sunulmuştur.

Bu yüzden dışsal veri olarak TBS kullanılmış ve normallik sağlanmaya çalışılmıştır. Normallik, VAR ve SVAR modelleriyle ilgili birçok istatistiksel prosedürün geçerliliği için gerekli bir koşul ol- masa da, normallik varsayımından sapmalar yine de modelde iyileştirmelerin mümkün olduğunu gösterebilir. Her bir değişkenin artık değerlerinin yüksek sapma gösterdiği aylara dışsal değişken olarak kukla değişken atanarak model yeniden çözülmüş fakat normallik dışı sonuçlar devam etmiştir.

Kalıntı test istatistikleri ve karakteristik polinom kökleri ile ilgili istatistikler aşağıdaki gibidir.

Buna göre VAR modelinin istikrarlı olup olmadığı kontrol edilerek modelin istikrarlı olduğu sonucuna ulaşılmıştır. Modelde otokorelasyon olup olmadığı test edilerek otokorelasyon sorunu ve deği- şen varyans sorunun olmadığı anlaşıldıktan sonra, Bayesyen SVAR modeli uygulamasına geçilmiştir.

7.3. Bayesyen VAR Sonuçları

Aşağıdaki grafik, modele ilişkin elde edilen negatif kredi arz şoklarına verilen tepkileri göster- mektedir. Sermaye şokları ve yurtdışı varlık alımlarının, kredi arzı üzerinde önemli etkileri olduğu görülmektedir. Literatürde sözü edilmeyen, iş döngülerinin dikkate alındığında sermaye şoklarının yaratmış olduğu olumlu etki, daha sonraki dönemlerde enflasyon beklentilerindeki artışın negatif kur şokuna neden olacağı, faizin yeniden artmaya başlayacağı ve ekonomik büyümenin temsilcisi olarak kullanılan reel sanayi üretimi büyüme üzerinde negatif etkilerinin olacağı gibi istenmeyen ekonomik sonuçlar yarattığı görülmektedir.

Grafik 2: Negatif Kredi Arzı Şokları Etki ve Tepkileri